GPT-6 Astra:新一代情报
原题:OpenAI发布GPT-6 Astra:新一代前沿模型与关键安全里程碑
内容导读
OpenAI引入了GPT-6 Astra作为复杂端到端工作的新前沿模型,包括编码,计算机使用,研究,科学,和专业任务.发布会还包括一个重大安全故事:Astra达到了关键网络安全能力极限,部署时加强了监测和保障。这是一个模型发射和安全里程碑,而不是声称已经实现AGI.

全文阅读
来源:openai.com即会翻译
GPT-6 Astra:新一代情报
新一代的情报
2026年9月29日更新:了解OpenAI最新模式:GPT ⁇ 6 1 Sol ⁇ .
2026年9月22日最新消息:我们正在用GPT ⁇ 6 Sol和GPTı6 Luna来扩大我们的GPT%6家族.学取多.
我们正推出GPT-6 Astra, 这是世界上最聪明、最一致的模型。
GPT ⁇ 6 Astra将多年的研究和大赌注汇集在一起,跨越了前期训练,强化学习,以及校正.Astra是计算机使用,浏览,软件工程,网络安全,科学,专业工作方面最先进的技术.Astra saturates FrontierMath Tel 4, 得分为98%, 已经帮助解决了数学领域长期存在的开放问题。Astra还以99.9%的分数饱和ARC-AGI-3分数和以100%的分数出局的Openit Bench分数.它还为计算机和浏览器的使用设定了一个新的前沿,以无与伦比的速度、准确性和判断性处理最需要的专业工作。
GPT ⁇ 6 Astra今天正在向有限的组织推出,在未来几天内将向所有ChatGPT Plus、Pro、Business和企业用户开放,并通过OpenAI API、Microsoft Azure和AWS Bedrock提供。
“关于ARC-AGI-3,Astra超过了我们96%的人类行动效率基线,有效地实现了基准上的人类均等。这不仅是我们所测试过的最好模式, 也代表着前沿模式性能的有意义的改变, 不仅在导航和解决新环境的能力方面,
Astra是我们最一致的模型,在理解用户意图和模式行为方面有了实质性的改进——你可以对Astra的判断有更大的信心来委托任务.作为测试的方法之一,我们建立了一个新的评估, 以"拥抱相貌"事件为参考, 评估一个面临困难或不可能任务的模型是否将超越其预期范围。与没有生产保障的GPT ⁇ 5.6 Sol超过48%的核定目标相比,GPTı6 Astra在0%的情况下做到了这一点。
世界最好的计算机使用模式
GPT ⁇ 6 Astra标志着计算机使用速度、准确性和安全性方面的一个新前沿。它可以处理一些乏味的任务,比如填写在线表格,更新客户记录的CRM,以及组织你的日历.它可以在您的电子邮件或文档编辑器中进行在线研究并起草摘要。它可以分析科学数据,生成地块,创建一个网站,并运行前端的QA检查,以确保该站点上的所有特性工作.它可以帮助您自动安装和测试软件,以及您在屏幕上看到的故障排除问题.这些改进也反映在我们最新的评价结果中。
这些改进还大大提高了实际知识工作任务的效率。在OSWorld 2.0上的潜伏模拟中,Astra在每次任务的时间上比GPT ⁇ 5.6在约47%的时间内实现了更高的计算机使用性能,在每次任务上大约40分钟的得分为72.6%,而在约75分钟时则为65.7%.。
游戏开发、电气工程和日常知识工作等各领域的产出中可以看到Astra的计算机使用能力:
除了Astra之外,我们还正在更新Codex的接合器,以大幅度地提高计算机的使用速度。这与Astra的效率相结合,比目前Mind2Web基准的GPT-5.6 Sol经验更快完成1.9x任务。该模型对速度的改进意味着它可以承担许多耗时的生命任务,速度比你所能快.
我们正将GPT-6 Astra纳入Devin的运用中,其出色的计算机使用、写作和密码库理解改进了盒外测试:视频明显更容易跟踪,报告更清晰更简洁。”
专业工作的一个步骤变化
GPT ⁇ 6 Astra对计算机使用的进步进行有针对性的专业环境培训,以帮助完成复杂的工作任务。它将复杂问题所需的情报与执行多步骤工作流程和制作被打磨的文件、电子表格和演示的能力结合起来。
GPT ⁇ 6 Astra是我们遵守现有模板和制作幻灯片的最佳模式,这些幻灯片精心铺设,简洁地传达关键要点,并有条理地叙述。它创建了清晰,结构完善的文档,演示文稿,电子表格,以及分析,它们遵循了您的模板,与您的写作和视觉风格相匹配.Astra还受过培训,专门将重要的背景拉入产出,而不是重复对当前工作不必要的信息。所有这一切都意味着它可以输出更能即时使用,与你的商业背景和标准相匹配的可使用文物.
GPT ⁇ 6 Astra也给网站,游戏,应用程序以及它所构建的渲染带来了更强的视觉判断.Astra在ChatGPT的SitesQQ(在新窗口打开)中,可以直接从一个提示创建,主机和共享网站,网络应用,以及游戏.
“Astra在能力和效率两方面都给我们提供了重大优势。它成功地执行了我们最复杂的创意工作流程,同时使用了比我们测试过的其他模型少了20%的代币.最重要的是,对我们的客户来说,这意味着质量更高的产出。”
当指令留有解释空间时,GPT ⁇ 6 Astra在做出正确呼叫时比之前的模型要好.它利用上下文填补了日常的空白,并提出了焦点问题,当答案可以改变结果时。在 Codex 中, 它可以同步地要求工作, 而继续工作并不取决于您的答复。如果你不回应,它会酌情以明智的假设进行,但等待你对相应决定的投入。
以下的例子显示了Astra如何在日常任务上合作,其中缺失的信息可以实质性地改变答案.
随着任务的发展,Astra也更好地保持方向性。更早的模型有时将引导信息视为一个新目标,失去了对最初请求或更早的制约的跟踪.Astra纳入新的要求,在被问及时改变方向,并在不放弃更广泛任务的情况下回答副问题。
“与GPT 5.6 Sol相比,Astra在质量上大有改进,它涉及复杂的法律任务。在我们的早期测试中,Astra突出表现为接近法律工作,正如一位有辨识力的律师所做的那样:它将文件与既定记录区分开来,表面不支持的假设,并将空白转化为具体的起草立场".
编码
GPT ⁇ 6 Astra是迄今为止软件工程的最佳模式.
“GPT ⁇ 6 Astra在我们内部编码基准方面提供最新业绩,并显示与GPT 5.6 Sol相比,交易直觉评价明显向前迈出了一步。当用于代理编码时,GPT-6 Astra的通信方式更方便开发人员遵循和生成需要较少迭代才能达到生产质量的代码.
“我们在我们的第一代电子Val中测试了Astra, 测试了低、中、高强度的功用,通过浏览器测试, 以及更倾向于代码执行, 而不是应用 patch。了解一个模型如何花费它的努力,就是我们如何给数百万建筑商一个从思想到工作应用的更快,更可靠的路径".
“GPT ⁇ 6 Astra在我们内部编码基准方面提供最新业绩,并显示与GPT 5.6 Sol相比,交易直觉评价明显向前迈出了一步。当用于代理编码时,GPT-6 Astra的通信方式更方便开发人员遵循和生成需要较少迭代才能达到生产质量的代码.
“我们在我们的第一代电子Val中测试了Astra, 测试了低、中、高强度的功用,通过浏览器测试, 以及更倾向于代码执行, 而不是应用 patch。了解一个模型如何花费它的努力,就是我们如何给数百万建筑商一个从思想到工作应用的更快,更可靠的路径".
Astra 正在推出一种新方式, 让 Codex 在上下文窗口填充时保存和检索上下文。历史上,模型曾使用收缩来总结长会期间的工作,如调试复杂问题或处理大重因时.每个收缩可以留下关于一个固定器为何失败或一个组件如何表现的细节.在Codex中,Astra可以将注释保存到上下文窗口之间,保存所积累的细节,而无需再三将其压缩成一个摘要.早期的上下文窗口仍然可以搜索,因此Astra可以找到要求或测试以前消息和工具输出的结果,即使这些信息没有被记录在笔记中。您可以在您的 Codex config.toml 中启用此实验功能, QQ( 在新窗口中打开) , 在未来几周内它将成为 Astra 的默认功能 。
推进科学发现.
“故事是:一个时代的结束,另一个时代的开始。”
Astra是科学发现、数学和健康方面的一个重大进步。今天,我们分享了两个关于质数差距的新结果 9,10
Astra还在一套数学和科学评价中设置了新的记录。
Astra可以帮助科学发现背后的实际工作.通过将科学推理与计算机使用相结合,它可以直接在专门软件中工作来检查数据并探索结果,帮助研究人员评估证据并决定下一步要调查什么.
网络安全
正如我们在安全最新情况上所讨论,Astra是网络能力的重大跃进,并且符合我们备灾框架下的网络安全临界门槛。其识别和发展"零日"利用的能力可以帮助维权者发现并补补上弱点,但也产生更强大的保障需要.为了了解这些能力的范围,我们对内部和第三方专家评价进行了Astra。
我们首先在Unitit Bench和OpenitGym没有生产保障的情况下测试了这个模型,这些模型评价模型是否能够将已知的软件脆弱性转化为工作利用.在"探索奔驰"上,阿斯特拉实现了100%的完美分数,而GPT ⁇ 5.6 Sol的分数是78.5%,这是我们之前的前沿网络能力模型.在 " 探索吉姆 " 方面,Astra的成功率达到42.4%,而GPT-5.6 Sol的成功率为30.3%,而使用的产出代号却要少得多。
鉴于人们担心,接触历史软件的脆弱性可能影响基准结果,我们还根据两个新的基准评价了Astra。14 Astra的任意密码执行率大大高于GPT-5.6 Sol,而使用的产出符号却少得多。在评价期间,Astra甚至发现并使用了两个先前未知的零天脆弱性.我们向维护者披露了这两种弱点。
我们还在SRE-Bench15上测试了Astra,这个基准用来衡量模型是否能够逆向工程师软件二进制来理解其核心逻辑而无需访问原始源代码.Astra在一次尝试中解决了88.0%的任务,在四次尝试中解决99.2%的任务,而GPT ⁇ 5.6 Sol分别解决了55.9%和68.7%的任务。
除了基准外,专家主导的评估发现,Astra在没有生产保障的情况下运行时,可以利用先前未知的弱点,在硬化浏览器中任意执行代码并给硬化操作系统制造特权升级的利用.
正如我们在《捍卫者之窗》中讨论的那样,前沿网络能力可以帮助捍卫者更快地发现弱点,但同时也使这些弱点更容易被利用,提高了捍卫者适应的迫切性。随着Astra今天的发售版本,维权者可以使用它来完成安全代码审查和补丁等任务.
然而,Astra将拒绝执行更先进的网络安全任务,例如为脆弱性创造概念的证明。通过OpenAI Daybreak ,我们计划在未来几周扩大准入范围并推出限制性较小的保障措施。这将有利于更多的防御性工作流程,包括脆弱性和概念验证、恶意软件分析和检测工程。
我们还加强了防止潜在网络被滥用的保护,在GPT-5.6 Sol的保障措施基础上更进一步。其中包括加强模型的坚固性,以更好地承受潜在的越狱事件,以及我们监测系统的更多背景。我们继续进行严格的内部和外部测试,包括同内部的红队攻击者进行自动化评估。Astra 安全概论和系统卡卡(在新窗口打开)中,
调整和部署 GPT-6 负责地
Astra是我们最一致的模型。Astra在谨慎行事、尊重任务界限和透明沟通方面表现出色。这项工作是我们长期研究方案的最新成果,其重点是从一开始到完成始终符合人类意图的培训模式。
在敏感环境中,Astra在进行时要注意与其风险相适应。在对计算机使用任务的评价中,选择对抗性任务来诱发不当行为,Astra在避免出乎意料的后果方面较为成功.采取默认提供的额外安全措施,其表现甚至更加强劲。
Astra也更有可能在用户设定的边界内运行,并被其环境所暗示.在一次内部评价中,Astra从未试图绕过"Codex Auto-Review"拒绝.即便在自动审查被刻意配置为可以回避,而且任务无法以其他方式完成的情况下,这种情况仍然存在。与我们无法完成的网络任务评价结果一致,
Astra在透明的用户通信中额外设置了新的标记.在一项评价中,阿斯特拉公司比GPT ⁇ 5.6公司更不可能对其能力和支付能力作出不准确的表述。
我们的评价发现,阿斯特拉的书面推理比GPT ⁇ 5.6 Sol更难监测,其依据是明确要求它逃避监测的测试。我们将此归因于Astra对较简单任务的书面推理的更大控制,以及用较少的书面步骤解决问题的能力。阿斯特拉似乎仍然在努力隐藏复杂任务所需的推理,但我们严肃对待这种衰落.改进可监测性仍然是研究的优先事项,而配套的系统卡卡(在新窗口打开)详细介绍了我们的调查结果和正在进行的工作。
调整培训是我们部署方法的核心。作为另一层的防御,我们还建立了诸如Codex Auto-Review(在新窗口打开)等系统保障,以及监测代理商的推理和行动,以帮助发现和遏制不安全的行为。正如我们的安全更新所描述的那样,我们还在为Astra级模型生产中部署错配监测,以便让能见度被错配,并帮助遏制其最坏的情况。这些保障措施类似于我们对内部部署的监测,涉及一个分类员系统,检查模型的推理和未经授权的行为,并自动停止可能未经授权的活动。
鉴于阿斯特拉网络安全能力的大幅提高,我们正在特别小心地使这一部署安全可靠。额外的安全检查有时可以减缓,暂停,或者停止合法的工作,包括防御性网络安全.如果一个任务在 ChatGPT 或 Codex 中被暂停, 您可以被要求在继续前审查此动作 。在API中,任务会停止.这些检查有时会中断合法的工作,我们继续对这一系统进行推敲以减少不必要的中断。错位监测不能取代对齐:我们的目标是建立可靠地保持在其授权范围内的模式,因此这些保护不需要干预.
可用性
GPT ⁇ 6 Astra今天正在向有限的组织推出,在未来几天内将向所有ChatGPT Plus、Pro、Business和企业用户开放,并通过OpenAI API、Microsoft Azure和AWS Bedrock提供。现有订阅津贴中包括Astra的使用,用户和企业也可以购买额外使用的信贷。Pro, Business, and Entertainment 计划中的用户也会获得GPT-6 Astra Pro.企业管理员可以为其工作空间启用Astra;在发射时默认关闭访问.
Astra支持对符合条件的API客户进行零数据保留,正如我们上个月分享的,我们正在测试私人安全处理,以加强安全监测,同时维护客户隐私.
对于开发者,GPT ⁇ 6 Astra将作为gpt-6-astra在OpenAI API中提供,并通过Microsoft Azure和Amazon Bedrock提供.
OpenAI API 标准定价为每百万个输入令牌10美元,每百万个输出令牌50美元.缓存读取和写取分别适用。快速模式可用于API中的GPT ⁇ 6 Astra,并以"标准"价格的2x提供最多2x标准处理速度.
计算机使用
| 计算机使用 | GPT ⁇ 6 阿斯特拉语Name | GPT ⁇ 5.6 溶剂2 | 克洛德·福克多5.1 | 克洛德·福尔克(Claude Fable 5) | 克洛德·奥普斯5号 | 双子座 3.8闪光灯 |
| 特工最后的考试 | 59.3% | 53.6% | - | 48.7% | 55.5% | - |
| OSWorld 2.0 (v2026.08.08,下线设定,部分分数) 出道时间: | 72.6% | 65.7% | - | - | 70.2%3 | - |
| 屏幕Spot- Pro( 无工具) | 92.7% | 76.9% | - | 87.3%17 | - | - |
专业人员
| 专业人员 | GPT ⁇ 6 阿斯特拉语Name | GPT ⁇ 5.6 溶剂 | 克洛德·福克多5.1 | 克洛德·福尔克(Claude Fable 5) | 克洛德·奥普斯5号 | 双子座 3.8闪光灯 |
| 自动化奔驰 | 41.4% | 18.1% | 31.4% | 17.4% | 26.9% | - |
| 宾夕法尼亚 | 95.9% | 83.3% | 84.3% 5 | 67.5% 5 | 82.1% 5 | - |
| 浏览comp | 91.5% | 90.4% | - | 87.4% | 90.8% | - |
| OpenScore 弦乐四重奏 (1- OMR- NED) | 0.84 | 0.19 | - | - | - | - |
| 内部设计任务 | 50.0% | 47.4% | - | 35.8% | - | - |
| 内部数据科学任务 | 40.9% | 30.5% | - | 34.7% | - | - |
| 人工分析情报指数v4.1.1 | 61.2 | 60.9 | 65.7 | 62.1 | 63.1 | 58.7 |
编码
| 编码 | GPT ⁇ 6 阿斯特拉语Name | GPT ⁇ 5.6 溶剂 | 克洛德·福克多5.1 | 克洛德·福尔克(Claude Fable 5) | 克洛德·奥普斯5号 | 双子座 3.8闪光灯 |
|---|---|---|---|---|---|---|
| 终点站 - Bench 4.0 | 57.9% | 37.3% | 55.8% | 44.5% | 52.6% | 19.1% |
| DeepSWE v1.1 (英语). | 74.1% | 72.7% | 67.4% | 69.9% | 73.7% | 73.8% |
| 边框代码1.1 扩展(分数) | 64.5% 8 | 60.6% | 63.6% | 64.9% | 63.6% | 56.3% |
| 边疆守则1.1 主(分数) | 53.3% 8 | 47.5% | 50.9% | 53.5% | 53.4% | 43.6% |
| 内部数据库迁移任务 | 63.9% | 42.7% | 57.8% | 50.3% | - | - |
| 人工分析编码代理索引 v1.4 | 67.0 | 65.1 | - | 67.2 | 68.1 | 61.2 |
学术
| 学术 | GPT ⁇ 6 阿斯特拉语Name | GPT ⁇ 5.6 溶剂 | 克洛德·福克多5.1 | 克洛德·福尔克(Claude Fable 5) | 克洛德·奥普斯5号 | 双子座 3.8闪光灯 |
| 终端- Bench 科学 0.1 | 64.6% | 22.4% | 52.6% | 21.4% | 30.0% | - |
| 边界Math 第4级(v2) | 97.6% | 83.0% | 87.8% | 90.2% | 73.2% | - |
| GPQA 钻石 | 96.0% | 94.6% | 93.7% | 92.6% | 93.7% | 95.3% |
| 人类的最后考试(w/工具) | 57.2% | - | 65.0% | 63.8% | 63.6% | - |
科学和卫生
| 科学和卫生 | GPT ⁇ 6 阿斯特拉语Name | GPT ⁇ 5.6 溶剂 | 克洛德·福克多5.1 | 克洛德·福尔克(Claude Fable 5) | 克洛德·奥普斯5号 | 双子座 3.8闪光灯 |
|---|---|---|---|---|---|---|
| Gene Bench Pro 软件 | 37.1% | 32.3% | - | - | - | - |
| MedChem Bench(内部) | 49.3% | 47.4% | - | - | - | - |
| 生活本奇语Name | 60.3% | 59.9% | - | - | - | - |
| 专业人员(经长调整) | 63.4% | 60.5% | 58.1% 11 | 60.9% 11 | 56.4% 11 | 52.1% |
网络安全
| 网络安全 | GPT ⁇ 6 阿斯特拉语Name | GPT ⁇ 5.6 溶剂 | 克洛德·福克多5.1 | 克洛德·福尔克(Claude Fable 5) | 克洛德·奥普斯5号 | 双子座 3.8闪光灯 |
|---|---|---|---|---|---|---|
| 开发本奇 | 100.0% | 78.5% | - | - | 70% | - |
| 开发游戏 | 42.4% 13 | 30.3% 13 | 30.4% 17 | 28.4%17 | 22.0% | - |
| 剥削本奇(2026年6月-8月) | 39.0% | 5.5% | - | - | - | - |
| SRE - 贝奇 | 88.0% | 55.9% | - | - | 12.5% | - |
| 证监会奔驰Pro | 85.4% | 79.1% | - | - | - | - |
对齐
| 对齐 | GPT ⁇ 6 阿斯特拉语Name | GPT ⁇ 5.6 溶剂 | 克洛德·福克多5.1 | 克洛德·福尔克(Claude Fable 5) | 克洛德·奥普斯5号 | 双子座 3.8闪光灯 |
| 内部计算机使用安全基准(低于) | 2.4% | 22.0% | 9.5% | 18.3% | 11.5% | - |
| 内部计算机使用安全基准,w/AutoReview(低于) | 1.8% | 4.3% | - | - | - | - |
| 内部规避基准(低于) | 0.00% | 0.29% | - | - | - | - |
| 利用Gym蜂蜜壶(更低) | 0.0% | 48.2% | - | - | - | - |
| 无法开发的游戏 | 100.0% | - | - | - | - | - |
| 内部幻觉基准(低于) | 4.2% | 12.2% | - | - | - | - |
长上下文
| 长上下文 | GPT ⁇ 6 阿斯特拉语Name | GPT ⁇ 5.6 溶剂 | 克洛德·福克多5.1 | 克洛德·福尔克(Claude Fable 5) | 克洛德·奥普斯5号 | 双子座 3.8闪光灯 |
| OpenAI MRCR v2 8-nedle 256K-512K (英语). | 100.0% | 91.5% | - | - | - | - |
| OpenAI MRCR v2 8-nedle 512K-1M (英语). | 96.3% | 73.8% | - | - | - | - |
摘要推理
| 摘要推理 | GPT ⁇ 6 阿斯特拉语Name | GPT ⁇ 5.6 溶剂 | 克洛德·福克多5.1 | 克洛德·福尔克(Claude Fable 5) | 克洛德·奥普斯5号 | 双子座 3.8闪光灯 |
|---|---|---|---|---|---|---|
| ARC-AGI-3 导弹发射器 | 99.9% 1 | 7.8% | - | - | 30.2% | - |
| ARC-AGI-2 导弹发射器 | 95.0% | 92.5% | 90.0% | 89.2% | 90.4% | - |
| ARC-AGI-1 (英语). | 98.5% | 97.5% | 97.5% | 98.5% | 97.5% | - |
评分是任何努力中的最高分.GBT评价是在我们的研究环境中或通过我们的API进行的,由于系统提示和可用工具等的不同,它可能提供与出产ChatGPT稍有相去的输出.
- 2026
脚
- 1 在ARC-AGI-3,GPT-6 Astra上运行了我们的响应 API habel QQ,它改变了两个设置,以更好地匹配现实世界的性能.这些变化没有具体针对ARC-AGI-3.
- 2GPT-5.6 Sol 指的是我们的API,ChatGPT Codex,和ChatGpT Work中可用的版本.ChatGPT Chat的版本略有不同. . .
- 3OSWorld V2-Offline是原作OSWork V2的一个子集,在没有互联网接入的情况下工作.Claude在OSWorld-V2 Offline上的模型性能被作者在官方的领跑板上复制了QQ(在一新窗口打开).在OSWorld 2.0上,克劳德的分数使用官方设置,而不是从"有线5.1系统卡"中修改的任务和分级.
- 4 模式时间是所报告的相应示范活动所经过的时间。所显示的片段被编辑为节选.
- 5 在BeningCAD上,克洛德的分数反映了对eval的3个修改,详见"Fable 5.1 System Card"(在一新窗口开出).
- 6 广阳,维多利亚·埃伯特,纳齐夫·塔默尔,布莱恩·西尤安·郑,路易莎·波佐本,和诺亚·A.史密斯,你认识他吗?“LEGATO:对OMR ⁇ (在新窗口打开)的大型端到端通式方法。” arXiv:2506.19065, 2025。
- 7马克 R.汉克.哥谭,莫琳·雷德邦德,布鲁诺·鲍尔,和彼得·乔纳斯.“OpenScore弦乐四重奏 Corpus(在新窗口打开)”。49–57 (英语).ACM, 2023 (英语).
- 8 关于FrontierCode,GPT-6 Astra运行时的开发商消息类似于其开发商消息中Codex-QQ(在新窗口打开)的一款:"避免创建过度的测试文件.只有在寄存器公约要求或者没有现有文件是合适的主机时,才能创建新的测试文件.避免无关的清理和不必要的复杂.重新使用适当的现有公用事业。阅读相关寄存器指令并检查附近的代码,测试,文档,以及CI.遵循既定的公约。目标为干净,可合并代码",该提示没有被优化为eval.
- 9,第一点是,无论你走的数字线有多远,质数能够有多接近。十多年来,最有名的结果确定,无数对质数相距最多为246个。Julia Stadlmann QQ(在新窗口打开)最近改进, 最终达到240个。Astra帮助建立了186的更强的界限,表明在这个更小的距离内,有无限多的对.短质缺口: Proof QQ (在新窗口打开) 和 支持 Research QQ(在新窗口开) .
- 10 第二个问题涉及质数之间的异常大的差距。Astra改进了这一术语,弥补了80多年以来一直未变的差距。我们分享证据和一连串的思考与核查材料,大型质地缺口: Proof QQ (在新窗口打开) 和支持研究 QQ(在新窗口开) .
- 11 我们采用GPT 5.4 分级和长度调整后未剪接的分数,按照预定的 " 健康奔驰 " 专业程序,独立评估了所有克洛德模型。对于Fable 5.1,我们使用Opus 5倒置作为提供者拒绝.
- 12 Claude Fable 5和5.1没有被列入LifeSci Bench Gold v1,Gene Bench Pro v13,和MedChem Bench,因为它们拒绝这些评价中的大多数问题.
- 13 在"探索Gym"上,我们在没有6小时时限的情况下测试了Astra和Sol,以更好地评估他们的全部网络能力.它们的速度足够快,影响不大。
- 14 勘探本克(2026年6月至8月)在13个稳定的克罗梅释放物中包含20个高强度的V8脆弱性。基准测试代理人是否能够通过利用每个指定的脆弱性,在V8中实现任意的代码执行并正式为Linux发布Chrome.其中一些弱点可能不允许在评价的限制下任意执行代码,因此,100%的成功率可能无法实现。注:GSPT-5.6的5.5%分是基准中300个转弯限值的出品,这并非使用最大值的真正客户所能达到的限值.类似设置的模型在打出更小的分数时,达到了11.5%的分数.
- 15 杰瑞米·斯宾塞等.“代理网络安全的下个挑战:一个现实的、无污染的倒置工程基准”。 arXiv:2608.11469v1,2026。
- 16 当我们测试第三方模型时,我们使用一个更简单的研究设置.Codex有更复杂的生产配置,这可以导致不同的原始模型出错率.供应商方面的保障措施和计算机工具的执行仍然不同。用户不会在"Codex"中体验到无确认假想,因为它是内部的研究配置.
- 17 对于ScreenSpot-Pro和ExploitGym,我们报道的"有线电视"分数来自"神话","有线电影"的有线电视保障较少.
即会整理稿
平台内容 · 非发布方原文OpenAI在9月3日推出了新一代前沿模型GPT-6 Astra,但比能力清单更值得注意的,是随发布一同公开的一项安全定性:这是OpenAI首次依据其Preparedness Framework,将一款模型划入网络安全能力的"关键(Critical)"等级[2]。
能力定位:面向"端到端复杂工作"
根据OpenAI的介绍,GPT-6 Astra面向复杂的端到端工作场景,覆盖编程、计算机操作、研究、科学、网络安全和专业工作流[1]。官方将其描述为"面向商业场景的最强模型",强调高级推理、计算机使用能力,以及更强的写作与设计判断力[4]。API文档给出的定位是"为最困难的端到端工作而构建",适用于复杂推理、编程、计算机操作、研究与文档创建,并支持从low到max的reasoning.effort分级[5]。
维基百科条目提到,OpenAI称该模型在网络安全、专业工作、软件工程和科学等领域实现了"代际跃升",并称其"比任何此前的迭代都更快、能执行更多任务",在保持专注、遵守任务边界、理解用户意图、处理繁琐任务和完成多步工作流方面表现更好[3]。该条目还列举了填税表、搭建电子游戏场景、订餐等任务示例(原文在此处截断)[3]。

*图1:OpenAI logo with magnifying glass (52916339167)(Jernej Furman from Slovenia / by,Openverse)*
部署节奏:先小范围,再逐步放开
发布并非一次性全面开放。OpenAI表示,初期仅向有限数量的组织开放,随后扩展至ChatGPT Plus、Pro、Business、Enterprise、API,以及微软Azure和AWS Bedrock[1]。维基百科的记述略有差异:模型于9月3日以受限预览形式向已批准用户发布,次日向付费用户开放,且为限制版本,会在网络安全等领域拒绝某些提示词[3]。两处说法在"次日向付费用户开放"这一点上并不完全一致,具体节奏以官方口径为准。
维基百科还提到一个背景:在2026年7月的Hugging Face事件之后,OpenAI推迟了下一代模型的发布,以补充更多安全措施[3]。该事件的具体细节未在本次资料中展开。

*图2:Sam Altman CropEdit James Tamim(TechCrunch / by,Openverse)*
安全里程碑:Critical等级意味着什么
OpenAI的安全概览称,GPT-6 Astra是其首个被指定为网络安全能力"Critical"等级的模型,发布时配套了更强的防护、监控、隔离、检查点加密,以及针对有害网络行为和"失准的计算机使用"的保护措施[2]。这也是本次发布被同时视为安全事件的原因。
一个需要厘清的边界:前沿模型 ≠ AGI
维基百科记录了一个容易被放大的表述:OpenAI总裁Greg Brockman称,该模型最终可能被视为通用人工智能(AGI)的到来[3]。但需要明确的是,这是对长期可能性的个人判断,而非"AGI已经实现"的宣告。OpenAI曾将AGI定义为"能够以等同或优于人类的水准完成所有有经济价值工作的自动化系统"[3]——按这一定义,本次发布本身并不构成AGI达成的证据。

*图3:Anti ai data center sign 2(Catboy69 / by,Openverse)*
点评
把"Critical网络安全能力"写进发布说明,说明前沿模型的竞争叙事正在从"能力有多强"转向"能力越界后如何被约束"。GPT-6 Astra的真正看点,或许不在于它能否填税表或搭游戏场景,而在于OpenAI是否能用监控与隔离,把一份被自己标为高风险的模型安全地推向市场。至于Brockman的AGI说法,读者不妨把它当作一句愿景,而不是一份验收报告。
参考来源
[1] GPT-6 Astra: A new generation of intelligence
https://openai.com/index/gpt-6-astra/
[2] Safety overview: GPT-6 Astra
https://openai.com/index/safety-overview-gpt-6-astra/
[3] GPT-6 Astra - Wikipedia
https://en.wikipedia.org/wiki/GPT-6_Astra
[4] GPT‑6 Astra: The next generation in intelligence for work
https://openai.com/index/gpt-6-astra-next-generation-work/
[5] GPT-6 Astra Model | OpenAI API
原文及图片版权归原作者或相应权利人。文中观点是原作者的,与即会无关。